KONVERSI SUARA MENGGUNAKAN LINEAR PREDICTIVE
CODING (LPC) DAN HIDDEN MARKOV MODEL (HMM)

Firra Monicha Mukhneri

Informasi Umum

Kode

111101191

Klasifikasi

621.382 - Communication Engineering, signal processing, network protocol, signal processing, communication network analysis

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Signal - Processing

Informasi Lainnya

Abstraksi

Dubbing adalah sebuah istilah untuk pengisian suara pada video. Pada proses perekaman suara untuk dubbing dalam pembuatan film, terdapat beberapa masalah pada dubber

(pengisi suara) anak

anak untuk tokoh yang diperankannya, seperti sulit menemukan mood

yang baik bagi anak

anak untuk diajak dalam

proses rekaman, jumlah anak

anak yang terbatas untuk mengisi suara, dan lain

lain menyebabkan waktu pengerjaan film tersebut menjadi lebih lama. Untuk itu diperlukan sebuah sistem yang dapat meniru suara seseorang ( konversi suara ) dengan tingkat kemiripan yang tinggi.<br>Pada tugas akhir ini dirancang sebuah sistem konversi suara untuk

memodelkan sinyal suara target anak

anak agar bisa ditiru oleh sinyal masukan

yang baru. Suara target didapatkan dari rekaman suara anak

anak yang berumur 5 s.d. 15 tahun dan suara peniru dapat berasal dari suara orang dewasa. Ekstraksi ciri yang di gunakan adalah Linear Predictive Coding (LPC) dan m etode pemodelan yang d igunakan adalah Hidden Markov Model (HMM) . HMM merupakan model statistika yang digunakan untuk aplikasi di bidang pengenalan pola temporal, salah satunya adalah analisis sintesis suar a. Dalam proses pembuatan sistem ini , bagian yang disintesis ialah frekuensi dasar (F0) dan spektral suara.<br><br>Hasil dari konversi suara ini, yaitu orde LPC terbaik yang digunakan adalah orde 19, state terbaik yang digunakan dalam pemodelan HMM adalah state k

e

5

. RMSE F0 dari pria dewasa ke anak

anak setelah konversi mengalami peningkatan sebesar 5 7,7

%, sedangkan RMSE F0 dari wanita dewasa ke anak

anak setelah konversi mengalami peningkatan sebesar 1 5,29 %. RMSE Ceptral setelah konversi mengalami peningkatan se besar 33,25 % . Dari segi kemiripan,